核心观点与关键数据
- 生成式AI在保险行业的应用机遇与挑战： 保险公司可以通过生成式AI在客户对话中取得成功，但更大的价值在于构建企业范围内的具体改进，包括风险咨询、产品开发和端到端流程。生成式AI在客户系统中使用显著的保险公司，其客户满意度、留存率和净推荐值均显著优于未使用该技术的保险公司。
- 客户期望与保险公司应用的差距： 客户希望获得与其风险相匹配的定制化产品，而不仅仅是更好的聊天机器人体验。然而，保险公司目前更侧重于个性化对话和聊天机器人，对生成式AI在保险建议中的应用存在疑虑，仅有23%的客户信任其提供的建议。
- 客户对生成式AI的担忧： 客户更关注隐私、数据安全、诈骗和缺乏监督下的不准确回应，而非AI伦理政策。保险公司需要解决这些信任分歧，以实现生成式AI的益处。
- 技术准备与基础设施挑战： 保险行业在技术方面存在挑战，77%的保险公司依赖于超过六年的定制核心应用程序，系统复杂性阻碍了生成式AI的应用。数据限制也是主要问题，52%的高管表示数据问题是减缓产品上市速度的因素。
- 运营模式的影响： 分散式AI运营模式比集中式或混合模式更能加速创新，提高运行/构建比率，加快市场进入速度，并提升客户满意度。71%的保险公司表示分散管理Gen AI能加快创新。
研究结论与行动指南
- 保险公司需要平衡客户服务、个性化产品和服务以及负责任的AI最佳实践。 构建具有灵活性、建议和数据链接的定制产品，利用AI简化工作流程，并将产品与客户智能匹配。
- 解决信任分歧： 建立明确的AI治理框架，启用跨功能AI精度，使业务部门能够做出AI决策，并确保所有模型的结果具有可解释性。
- 技术现代化： 跨平台构建AI，采用混合设计方法，利用AI解决基础设施问题本身，例如现代化旧应用程序和自动化IT任务。
- 推动AI决策的民主化： 开发AI治理框架，赋能业务用户提供数据访问权限，并使业务部门能够做出AI相关的决策。
关键数据
- 生成式AI在客户系统中使用显著的保险公司，其客户满意度、留存率和净推荐值均显著优于未使用该技术的保险公司。
- 29%的受访者认为生成式AI虚拟代理能够提供客户服务，23%认为其能提供保险建议，26%信任其提供的建议的可靠性和准确性。
- 77%的保险公司依赖于超过六年的定制核心应用程序。
- 49%的企业认为其IT系统和架构过于复杂。
- 52%的高管表示数据限制是减缓产品上市速度的因素。
- 71%的保险公司表示分散管理Gen AI能加快创新。
